[audio.cpp] 在RTX 5090上3分钟生成10小时音频（含演示）！基于C++/GGML的Supertonic 3、MOSS-TTS、IndexTTS2和Irodori-TTS发布
摘要
audio.cpp中发布了基于C++/GGML实现的Supertonic 3、MOSS-TTS、IndexTTS2和Irodori-TTS，能够在RTX 5090上3分钟内生成10小时音频。
暂无内容
相似文章
[audio.cpp] 0.4 版本发布：Higgs Audio v3 TTS 4B（10倍实时）+ Fish Audio S2 Pro 基于 C++/GGML，完整 GGUF 加载，Q8 速度与显存优化
audio.cpp 0.4 版本为 Higgs Audio v3 TTS 4B（10倍实时）和 Fish Audio S2 Pro 添加了基于 C++/GGML 的推理，支持完整 GGUF 加载，并实现了 Q8 速度与显存优化。
[audio.cpp] GGML之音——C++/GGML原生ACE-Step、Stable Audio、HeartMuLa、RoFormer、HTDemucs发布。60秒生成10分钟音乐！
audio.cpp发布重大更新，新增音乐/SFX生成和源分离功能，支持ACE-Step、HeartMuLa、Stable Audio 3和HTDemucs，在原生C++/GGML中实现长音乐生成高达10倍的实时速度。
audio.cpp: 集成12种音频模型（Qwen3-TTS、PocketTTS、VeVo2等）于一个C++/ggml运行时 — 在CUDA上TTS速度比Python快5倍
audio.cpp是一个C++/ggml运行时，集成了包括Qwen3-TTS、PocketTTS和VeVo2在内的12种音频模型，在CUDA上实现TTS速度比Python快5倍。
[audio.cpp] VibeVoice 1.5B 发布 — 90分钟播客在22.95分钟内完成，4.08倍实时速度，比Python基线快2.86倍（无量化）。原生C++/ggml
VibeVoice 1.5B，一个长篇幅多说话人TTS模型，现已获得audio.cpp（原生C++/ggml运行时）的支持，在RTX 5090上实现4.08倍实时速度，比无量化的Python基线快2.86倍。
[audio.cpp] 狐狸说什么：原生C++/GGML中的4个ASR模型（Nemotron 3.5 ASR、Higgs Audio STT、VibeVoice ASR和Hviske ASR），初始流式支持，327秒音频在2.17秒内转录完成。
audio.cpp更新引入了流式支持和四个ASR/STT模型（Nemotron 3.5、Higgs Audio STT、VibeVoice ASR、Hviske ASR），采用原生C++/GGML实现，速度比Python快高达2.41倍，词错误率（WER）和显存占用具有竞争力。